¿Cómo reducir el número de elementos mediante análisis factorial, consistencia interna y teoría de respuesta al ítem en conjunto?

Question

Estoy en el proceso de empíricamente la elaboración de un cuestionario y voy a ser el uso arbitrario de números en este ejemplo para ilustrar. Para el contexto, estoy desarrollando una psicológicos cuestionario destinado a evaluar los patrones de pensamiento comúnmente identificado en las personas que tienen trastornos de ansiedad. Un elemento que podría verse como "yo necesidad de revisar el horno repetidamente porque no puedo estar seguro de que su off".

Tengo 20 preguntas (tipo Likert de 5 puntos), el cual puede estar compuesto de uno o dos factores (nota de que, en realidad tengo cerca de 200 preguntas, compuesta de 10 escalas, y cada escala puede estar compuesta de dos factores). Estoy dispuesto a borrar acerca de la mitad de los elementos, dejando el 10 preguntas sobre uno de los dos factores.

Estoy familiarizado con el análisis factorial exploratorio (EFA), consistencia interna (alfa de Cronbach), y el artículo de la curva característica en la teoría de respuesta al ítem (IRT). Puedo ver cómo me gustaría utilizar cualquier de estos métodos para determinar qué elementos son los "peores" dentro de cualquier escala. Aprecio que cada método también responde a diferentes preguntas, a pesar de que puede conducir a resultados similares y no estoy seguro de lo que la "pregunta" que es el más importante.

Antes de empezar, le permite asegurarse de que sé de qué estoy haciendo con cada uno de estos métodos de forma individual.

• El uso de la EPT, me gustaría identificar el número de factores, y eliminar los elementos que se cargan al menos (digamos <.30) en sus respectivos factor o que la carga sustancialmente entre los factores.

• El uso de la coherencia interna, me gustaría quitar los elementos que tienen el peor "alfa si el ítem eliminado". Yo podría hacerlo suponiendo un factor en mi escala, o hacerlo después de un inicial de la EPT para identificar el número de factores y, posteriormente, ejecutar mi alfa para cada factor.

• El uso de IRT, me gustaría quitar elementos que no evalúan el factor de interés a lo largo de su (5 Likert) opciones de respuesta. Yo estaría echando un vistazo elemento de curvas características. Yo sería básicamente buscando una línea en un ángulo de 45 grados que va desde la opción 1 en la escala de Likert, todo el camino hasta 5 latente a lo largo de la partitura. Yo podría hacerlo suponiendo un factor, o hacerlo después de una inicial
  La EPT para identificar el número de factores, y posteriormente ejecutar las curvas para cada factor.

Estoy seguro de cual de estos métodos a utilizar con el fin de identificar qué elementos son los "peores". Yo uso el peor en un sentido amplio, tal que el punto sería el de perjuicio a la medida, ya sea en términos de fiabilidad o validez, de la que ambos son igual de importantes para mí. Presumiblemente, los puedo usar en conjunción, pero no estoy seguro de cómo.

Si yo iba a seguir adelante con lo que ahora sé y dar lo mejor de sí me gustaría hacer lo siguiente:

1. Hacer un EPT para identificar el número de factores. También eliminar elementos con malas cargas en sus respectivos factores, ya que no quiero que los elementos que se cargan mal, independientemente de cómo se haría en otros análisis.
2. Hacer IRT y eliminan los malos elementos juzgado por lo que el análisis así, si cualquier quedan de la EPT.
3. Simplemente informar de Alfa de Cronbach y no uso esa métrica como un medio para eliminar los elementos.

Directrices generales sería muy apreciada!

Aquí se presenta una lista de preguntas específicas que usted tal vez puede contestar:

1. ¿Cuál es la diferencia práctica entre la eliminación de elementos basados en el factor de cargas y la eliminación de elementos basado en el alfa de Chronbach (suponiendo que se utiliza el mismo factor de diseño para ambos análisis)?

2. Que debo hacer primero? Suponiendo que tengo que hacer la EPT y el IRT con un factor, y ambos identificar los diferentes elementos que deben ser eliminados, el análisis debe tener prioridad?

Yo no soy duro en hacer todos estos análisis, a pesar de que el informe de alpha de Chronbach independientemente. Me siento como haciendo IRT dejaría que algo falta, y de la misma manera sólo para la EPT.

Gracias!

Answer 1

No tengo citas, pero aquí es lo que yo sugiero:

Cero: Si es posible, dividir los datos en un entrenamiento y de prueba.

En primer lugar hacer la EPT. A ver las distintas soluciones para ver cual es la mejor, basado en sus conocimientos de las preguntas. Tendrías que hacer esto antes de que el alfa de Cronbach, o no sabes que van los artículos en los que el factor. (Ejecución de alfa en TODOS los artículos que probablemente no es una buena idea).

A continuación, ejecute el alfa y eliminar los elementos que tienen mucho más pobres correlaciones de los demás en cada factor. Yo no establecer un arbitrario de corte, busco que fueron mucho más bajos que los demás. A ver si borrando esas tiene sentido.

Por último, elige los artículos con una gran variedad de "dificultad" de los niveles de IRT.

Entonces, si es posible, vuelva a hacer esta en el set de prueba, pero sin hacer ningún explorar. Es decir, ver cómo el resultado encontrado en el conjunto de entrenamiento obras en el conjunto de prueba.

Answer 2

De los tres criterios propuestos en realidad podría ser realizado en IRT, más específicamente multidimensional de la IRT. Si el tamaño de la muestra es bastante grande, probablemente sería una manera consistente para ir sobre ella para cada subescala. De esta manera usted puede obtener los beneficios de la IRT para el modelado de elemento de forma independiente (utilizando nominal de modelos para algunos elementos, la generalización de crédito parcial o gradual para los demás, o si es posible incluso establecer escalas de calificación para ayudar a interpretar politómica elementos de una forma más parsimoniosa manera).

MIRT es conceptualmente equivalente a nivel de elemento de análisis de factores y por lo tanto tiene una relación lineal de la EPT equivalente de relación dicotómica y politómica elementos. No estoy seguro de si me iba a comprar en la <.3 criterios para soltar objetos, aunque, ya que realmente depende del contexto y de la estructura factorial. Pequeñas cargas/pistas no proporcionan mucha información sobre la intercepción de lugares, pero todavía puede ser útil, ya que pueden ofrecer una más amplia y menos alcanzó su punto máximo la función de información a través de los niveles de $\theta$. Algunas aplicaciones en el CAT hacer uso de estos tipos de elementos desde el principio como bien ya que dan un mayor ancho de banda de la información desde el principio en la prueba.

Colocar elementos basados en los criterios de Cronbach es aproximadamente la misma que colocar elementos que dan una mejor marginales/empírico de la fiabilidad en IRT, por lo que si el software que está utilizando es compatible con estas estadísticas, a continuación, usted podría seguir la misma estrategia sin salir de la IRT paradigma. Yo estaría más inclinado a la verificación de las funciones de información, sin embargo, a ver si la eliminación de un elemento afecta gravemente a la medición en varios $\theta$ (con respecto al lugar donde los interceptos son). Información relativa parcelas son útiles aquí.

Usted podría intentar quitar elementos que no se ajustan a la unidimensionales requisitos de la mayoría de IRT software, pero no necesariamente recomiendo esto si afecta a los teóricos de la representación de las construcciones en la mano. En aplicaciones empíricas lo general, es mejor intentar y hacer que nuestros modelos se ajustan de nuestra teoría, no la otra manera alrededor. También, aquí es donde la bifactor/de dos niveles, los modelos tienden a ser apropiado, ya que le gustaría incluir todos los elementos posibles, mientras que la contabilidad de la multidimensionalidad de una manera sistemática y teóricamente deseable.